四、简答题（共3题，共18分）26. 简述数据分布特征从哪些方面进行测度？（6分）27. 简述回归分析的基本步骤。（6分）28. 简述时间序列的四种变动因素。（6分）

本题主要考查统计学中数据分布特征测度、回归分析步骤以及时间序列变动因素这三个知识点。解题思路是依据统计学的基本概念和方法，对每个问题所涉及的内容进行详细阐述。

26. 简述数据分布特征从哪些方面进行测度

数据分布特征的测度主要从三个关键方面展开：

• 集中趋势：它体现了数据分布的中心位置，是描述数据一般水平或典型值的重要指标。常用的集中趋势指标有算术平均数、中位数和众数等。例如，对于一组学生的考试成绩，算术平均数可以反映整体的平均成绩水平；中位数则是将成绩排序后位于中间位置的数值，不受极端值的影响；众数是出现次数最多的成绩，能体现最常见的成绩情况。
• 离散程度：用于衡量数据分布的分散或波动情况，反映了数据的稳定性或差异性。常见的离散程度指标包括方差、标准差、极差和四分位距等。以学生成绩为例，方差和标准差越大，说明成绩之间的差异越大，学生成绩越不稳定；极差是最大值与最小值的差值，能直观地看出数据的波动范围；四分位距则是上四分位数与下四分位数的差值，反映了中间50%数据的离散程度。
• 偏态：反映数据分布的对称性或偏斜方向，常用偏态系数来衡量。如果偏态系数为0，则数据分布是对称的；偏态系数大于0，数据分布呈右偏态，即右侧有较长的尾巴；偏态系数小于0，数据分布呈左偏态，即左侧有较长的尾巴。

27. 简述回归分析的基本步骤

回归分析是一种用于研究变量之间关系的统计方法，其基本步骤如下：

• 确定自变量与因变量：根据研究目的，明确哪个变量是自变量（解释变量），哪个是因变量（被解释变量）。例如，研究广告投入与销售额之间的关系，广告投入就是自变量，销售额就是因变量。
• 收集数据：获取自变量与因变量的观测数据。这些数据可以通过实验、调查等方式收集。
• 建立回归模型：根据变量之间的关系选择合适的回归类型，如线性回归、非线性回归等，并建立数学表达式。对于简单线性回归，其方程为 $ y_c = a + bx $，其中 $ y_c $ 是因变量的估计值，$ x $ 是自变量，$ a $ 是截距，$ b $ 是斜率。
• 参数估计：利用最小二乘法等方法，计算回归系数 $ a $ 和 $ b $，使实际值与估计值的离差平方和最小。最小二乘法的原理是通过最小化误差的平方和来确定最佳的回归系数。
• 模型检验：对回归模型进行显著性检验（如F检验）、回归系数的显著性检验（如t检验），以及拟合优度检验（如R²）。F检验用于检验整个回归模型的显著性；t检验用于检验每个回归系数的显著性；R² 表示回归模型对数据的拟合程度，取值范围在0到1之间，越接近1说明拟合效果越好。
• 残差分析：检查残差是否满足独立性、正态性、同方差等假设，判断模型是否合理。残差是实际值与估计值的差值，如果残差不满足假设条件，可能需要对模型进行调整。
• 预测与应用：利用建立的回归方程对因变量进行预测或解释自变量的影响。例如，根据广告投入预测销售额，或者分析广告投入对销售额的影响程度。

28. 简述时间序列的四种变动因素

时间序列的变动受四种基本因素影响：

• 长期趋势（T）：指现象在较长时间内呈现的持续上升、下降或稳定的发展方向，反映了经济或社会现象的内在发展规律。例如，随着科技的发展，电子产品的销售量可能会呈现持续上升的趋势。
• 季节变动（S）：指在一年内或周期性重复出现的季节性波动，通常与节假日、气候等因素有关。比如，冰淇淋的销售量在夏季会明显增加，而在冬季会减少。
• 循环变动（C）：指以若干年为周期的周期性波动，通常与经济周期（如繁荣—衰退—萧条—复苏）相关。经济周期的不同阶段会对许多经济指标产生影响，如GDP、就业等。
• 不规则变动（I）：指由偶然性、突发性因素（如自然灾害、政策突变）引起的不可预测、无规律的波动。例如，地震、洪水等自然灾害可能会导致当地的经济数据出现异常波动。这四种因素共同构成时间序列的变动结构，通常采用加法模型（$ Y = T + S + C + I $）或乘法模型（$ Y = T \times S \times C \times I $）进行分解分析。